摘要。提出了几种用于小型航空燃气涡轮发动机概念设计阶段的重量计算的新相关回归模型。对获得的重量模型进行了相互比较,并与 Kuz'michev 模型进行了比较。根据获得的结果,得出了关于其可行性和应用范围的结论。新的相关回归模型在输入参数的数量以及预测重量的准确性方面有所不同。在工作过程中,创建了涡扇发动机 (TFE) 的主要数据和热力学参数数据库,该数据库由 92 台推力小于 50 kN 的小型 TFE 组成。根据收集到的统计数据,获得了允许在发动机设计初始阶段计算重量的公式。这些模型计算权重的误差在 10% 到 30% 之间。
但是,与该方法的算法相比,我们确定了原始实现中的严重错误以及显着的差异(稍后详细介绍)。我们联系了作者讨论这些差异(在电子邮件对话中)。最后,我们担心其功能复杂性,这对于有效的测试至关重要。的确,该框架通过基于高斯混合模型(GMM)的覆盖范围来指导测试过程,这是计算重量的任务。确切地说,MDPFUZZ的想法是指导一个生成和突变输入测试的模糊过程。测试是通过维护(1)揭示正在测试模型中弱点的输入池(即鲁棒性)和(2)被认为发现的测试结果的基于覆盖的指导)。Pang等。提议计算由两个GMM的测试用例产生的状态序列上的输入覆盖率,这需要计算1 + 2 | 푀|概率密度(푀是序列的长度)。额外的覆盖范围指南旨在以新颖的方式行使正在测试的模型,从而更有可能发现故障。Pang等。用四种用例检测,GMMS指导效率,故障分析和政策改进(RETRANE)评估了他们的工作。特别是,他们表明mdpfuzz发现
本系列涵盖支持飞机运行的机组人员职位。主要涵盖武装部队预备役组织中的民用技术员职位。除了作为预备役成员外,这些技术员还在其特定单位担任全职民用职位。本系列涵盖的职位主要履行其特定机组人员专业的职责,以支持单位飞行任务。本系列还包括负责为机组人员提供地面和飞行指导的职位,因为此类职位的职业关系属于飞机操作领域,并且他们的主要资格要求是特定机组专业的经验和培训。飞行工程师协助飞行前规划,包括检查和检查飞机系统,并通过在整个飞行过程中监控发动机和飞机系统的运行、控制飞机环境系统和执行相关飞行任务为飞行员提供支持。这些职位要求了解飞机电气、机械、推进和液压系统的工作原理和特性,并具备分析性能、检测和诊断故障以及采取纠正措施的技能。空中加油技术人员主要负责控制和操作加油机上的空中加油系统。他们计划和指挥飞机的装载,计算重量和平衡系数,指挥受油飞机就位,控制加油操作,并采取紧急措施避免危险情况。这些职位要求了解飞行中加油系统、在不同条件下为各种飞机加油的技术和程序以及适用的紧急程序。飞机装载长主要负责根据飞机重量和平衡系数、所涉货物的性质、飞行行程、安全考虑和紧急抛弃计划,计划和指挥运输飞机上的货物装载、定位和固定。他们还可能参与规划和准备飞机进行空投货物,并且
摘要 - 急流尖峰神经网络(SNN)的灵感来自生物神经系统的工作原理,这些原理提供了独特的时间动态和基于事件的处理。最近,通过时间(BPTT)算法的错误反向传播已成功地训练了局部的SNN,其性能与复杂任务上的人工神经网络(ANN)相当。但是,BPTT对SNN的在线学习方案有严重的局限性,在该场景中,需要网络同时处理和从传入数据中学习。特别是,当BPTT分开推理和更新阶段时,它将需要存储所有神经元状态以及时计算重量更新。要解决这些基本问题,需要替代信贷分配计划。在这种情况下,SNN的神经形态硬件(NMHW)实现可以极大地利用内存计算(IMC)概念,这些概念(IMC)概念遵循记忆和处理的脑启发性搭配,进一步增强了他们的能量效率。在这项工作中,我们利用了与IMC兼容的生物学启发的本地和在线培训算法,该算法近似于BPTT,E-Prop,并提出了一种支持使用NMHW的经常性SNN推理和培训的方法。为此,我们将SNN权重嵌入了使用相位变更内存(PCM)设备的内存计算NMHW上,并将其集成到硬件中的训练设置中。索引术语 - 在线培训,尖峰神经网络,神经形态硬件,内存计算,相位变化内存我们使用基于PCM的仿真框架和由256x256 PCM Crossbar阵列的14NM CMOS技术制造的内存内计算核心组成的NMHW开发了模拟设备的精确度和瑕疵的方法。我们证明,即使对4位精确度也是强大的,并实现了32位实现的竞争性能,同时为SNN提供了在线培训功能,并利用了NMHW的加速收益。